在大量的应用领域中,人们经常面临用一个解析函数描述数据(通常是测量值)的任务。 对这个问题有两种方法。在插值法里,数据假定是正确的,要求以某种方法描述数据点之间 所发生的情况。这种方法在下一节讨论。这里讨论的方法是曲线拟合或回归。人们设法找出 某条光滑曲线,它最佳地拟合数据,但不必要经过任何数据点

问题的提出 一、数据背后存在着某种规律性 二、最小二乘保证了3条性质——残差和=0,残差与自变量无关、残差与拟合值无关

问题的提出必要性 通过协方差或相关系数证实变量之间存在关系,仅仅 只是知道变量之间线性相关的性质——正(负)相关 和相关程度的大小。 既然它们之间存在线性关系,接下来必须探求它们之 间关系的表现形式是什么?

第一节 生存分析的基本概念 第二节 生存率的估计与生存曲线 第三节 生存曲线的统计检验 第四节、COX比例风险回归模型

《医学统计学》课程教学资源：第九章 双变量回归与相关Bivariate Regression & Correlation

《医学统计学》课程教学资源：第十六章 Logistic回归分析 Logistic Regression Analysis

要点：百年回眸 两大转折：民族品格的追求 认同和回归：港台电影 以恢宏的审美视野进入 21 世纪

一、普通最小二乘估计 *二、最大或然估计 *三、矩估计 四、参数估计量的性质 五、样本容量问题 六、估计实例

一、问题的引出：非平稳变量与经典回归模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳性的单位根检验 五、单整、趋势平稳与差分平稳随机过程

• 一、多重共线性的概念 • 二、实际经济问题中的多重共线性 • 三、多重共线性的后果 • 四、多重共线性的检验 • 五、克服多重共线性的方法 • 六、案例 • *七、分部回归与多重共线性